CN117372224B - 一种绿化生态修复系统 - Google Patents

一种绿化生态修复系统 Download PDF

Info

Publication number
CN117372224B
CN117372224B CN202311651757.2A CN202311651757A CN117372224B CN 117372224 B CN117372224 B CN 117372224B CN 202311651757 A CN202311651757 A CN 202311651757A CN 117372224 B CN117372224 B CN 117372224B
Authority
CN
China
Prior art keywords
image
greening
data
soil
repaired
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311651757.2A
Other languages
English (en)
Other versions
CN117372224A (zh
Inventor
申欣凯
武世雄
赵金亮
李耀杰
薄勇
刘洋洲
李国勇
吴际渊
张波
王鹏胜
陈雅兵
刘志辉
宿晓辉
李金龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanxi Metallurgical Rock Soil Engineering Investigation Co ltd
Original Assignee
Shanxi Metallurgical Rock Soil Engineering Investigation Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanxi Metallurgical Rock Soil Engineering Investigation Co ltd filed Critical Shanxi Metallurgical Rock Soil Engineering Investigation Co ltd
Priority to CN202311651757.2A priority Critical patent/CN117372224B/zh
Publication of CN117372224A publication Critical patent/CN117372224A/zh
Application granted granted Critical
Publication of CN117372224B publication Critical patent/CN117372224B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01GHORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G22/00Cultivation of specific crops or plants not otherwise provided for
    • A01G22/60Flowers; Ornamental plants
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01DMEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00Measuring or testing not otherwise provided for
    • G01D21/02Measuring two or more variables by means not covered by a single other subclass
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/248Presentation of query results
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0637Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Remote Sensing (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Botany (AREA)
  • Environmental Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及绿化生态领域,公开了一种绿化生态修复系统,包括:土壤数据采集设备、环境数据采集设备、图像采集设备、信息显示设备、后台设备,后台设备用于获取第一土壤数据并对多种污染物的含量进行分析,若其中存在含量大于对应的污染物含量阈值的污染物,从植物类别库中确定目标植物类别,并生成土壤调节数据和绿化方案,还用于获取第一图像并进行植被覆盖率识别,若植被覆盖率不满足预设条件,根据分割图像生成补种方案;还用于获取第二土壤数据和环境数据,生成实际修复结果数据和提示信息,将提示信息发送至信息显示设备。由此,实现了实现智能绿化生态修复,提高绿化生态修复的效果。

Description

一种绿化生态修复系统
技术领域
本发明涉及绿化生态领域,具体涉及一种绿化生态修复系统。
背景技术
随着现代社会的不断发展,人类活动对于生态环境也造成了一定程度的影响。为了减少生态安全隐患,改善生态系统质量,生态环境修复至关重要。绿化作为生态系统中的重要组成部分,在具有观赏价值的同时,对于生态环境修复有着重要的意义。
现有的绿化过程中,经常会存在如下技术问题:
第一,在针对污染地块进行绿化时,并未采用针对性的绿化方案,而往往采用统一的绿化方案,由此导致污染地块对种植的植物造成损坏,进而无法对污染地块进行污染修复;另外,缺乏对于绿化过程以及绿化结果的智能化监控手段,智能化程度低,不利于提高绿化生态修复的效果;
第二,在确定绿化方案时,现有技术往往依赖于人工经验,无法实现智能化绿化方案设计,费时费力,效率低下;
第三,在植被栽种后,无法实现智能化的生长过程监测,导致由于植被覆盖率不足造成生态修复能力下降。另外,当需要补种时,无法实现智能化的补种方案生成,依赖于工人经验,费时费力,效率低下;
第四,污染地块往往需要较长的时间来实现污染物的彻底清除。而现有的绿化方式中,缺乏对于修复效果的持续监控方式,导致无法彻底清除污染地块的污染物。
发明内容
本发明内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本发明提出了一种绿化生态修复系统,来解决以上背景技术部分提到的技术问题中的一项或多项。
本发明提供了一种绿化生态修复系统,包括:土壤数据采集设备,设置于待修复地块的土壤中,土壤数据采集设备用于采集待修复地块的土壤数据;环境数据采集设备,设置于待修复地块,环境数据采集设备用于采集待修复地块的环境数据;图像采集设备,设置于待修复地块,图像采集设备用于采集待修复地块的图像;信息显示设备,设置于待修复地块,信息显示设备用于显示待修复地块的数据;后台设备,与土壤数据采集设备、环境数据采集设备、信息显示设备和图像采集设备通信连接,后台设备用于从土壤数据采集设备中获取待修复地块在绿化前的土壤数据并作为第一土壤数据;对第一土壤数据中的多种污染物的含量进行分析,以确定多种污染物中每种污染物的含量是否大于对应的污染物含量阈值;若第一土壤数据中存在含量大于对应的污染物含量阈值的至少一种污染物,根据至少一种污染物从预先配置的植物类别库中确定目标植物类别,根据目标植物类别和第一土壤数据生成土壤调节数据,并根据目标植物类别和土壤调节数据生成绿化方案,将绿化方案发送至终端设备,以使终端设备对应的人员根据绿化方案执行绿化操作;后台设备还用于从图像采集设备中获取在绿化后的第一时间点所采集的待修复地块的图像并作为第一图像,对第一图像进行植被覆盖率识别,并确定待修复地块的植被覆盖率是否满足预设条件,若植被覆盖率不满足预设条件,根据分割图像生成补种方案,并将补种方案发送至终端设备,以使终端设备对应的人员根据补种方案执行补种操作;后台设备还用于从土壤数据采集设备中获取在绿化后的第二时间点所采集的待修复地块的土壤数据并作为第二土壤数据,根据第一土壤数据和第二土壤数据生成实际修复结果数据,以及从环境数据采集设备中获取在绿化后的第二时间点所采集的待修复地块的环境数据,以及根据环境数据生成提示信息并将提示信息发送至信息显示设备,以对提示信息进行显示。
可选的,目标植物类别包括多个植物类别,以及根据目标植物类别和土壤调节数据生成绿化方案,包括:获取待修复地块的地形图,根据地形图中的高度信息将待修复地块划分为多个区域,多个区域中每个区域对应一个高度区间;对于多个区域中每个区域,根据对应的高度区间和在待修复地块中的位置信息,从多个植物类别中确定对应的植物类别;根据土壤调节数据确定对应的土壤调节物品类别;根据每个区域对应的植物类别和土壤调节物品类别生成绿化方案。
可选的,后台设备还用于根据每个植物类别对应的标识,对每个区域对应的植物类别在地形图中进行标识,以生成修复效果图;将修复效果图发送至信息显示设备,以对修复效果图进行显示。
可选的,对第一图像进行植被覆盖率识别,包括:将第一图像输入预先训练的植被图像分割网络,得到分割图像,分割图像中包括植被区域和非植被区域;根据植被区域和非植被区域的面积,确定第一图像对应的植被覆盖率。
可选的,若植被覆盖率不满足预设条件,根据分割图像生成补种方案,包括:若植被覆盖率不满足预设条件,利用预先设定的滑动窗口在分割图像进行滑动,得到多个图像区域;对于多个图像区域中的每个图像区域进行二值化处理,得到每个图像区域对应的二值化图像区域;对于每个图像区域所对应的二值化图像区域进行去噪,得到每个图像区域所对应的处理后二值化图像区域;在每个图像区域所对应的处理后二值化图像区域中随机选取目标数量个像素点,统计目标数量个像素点中属于植被区域的像素点的个数并记作第一数量,以及统计目标数量个像素点中属于非植被区域的像素点的个数并记作第二数量;根据第一数量和第二数量确定每个图像区域所对应的植被密度;根据每个图像区域所对应的植被密度对多个图像区域进行筛选,以选取植被密度小于预设植被密度阈值的图像区域作为目标图像区域;根据目标图像区域在分割图像中的位置确定待修复地块中的补种区域;根据补种区域的位置信息和补种区域对应的植物类别生成补种方案。
可选的,后台设备还用于:将实际修复结果数据发送至终端设备,以使终端设备对实际修复结果数据进行显示;接收终端设备发送的针对实际修复结果数据的评价数据;将评价数据和绿化方案关联存入至绿化方案数据库。
本发明具有如下有益效果:
1、针对存在污染的待修复地块进行绿化时,通过土壤数据采集设备采集土壤数据并对土壤数据进行分析,从而采用针对性的植物类别和绿化方案,有助于提高植被在污染地块的成活率,并进一步通过针对性的植物类别对污染地块进行污染修复;除此之外,在绿化的不同时间点通过智能化监控手段,对植被覆盖率和环境数据进行监测,有利于提高绿化生态修复的效果;
2、自动利用地形图进行区域划分,以及结合每个区域的高度区间和位置信息,实现自动化的绿化方案设计,有助于形成错落美观的绿化景观以及避免不同类别的植物互相遮挡造成生长不良。在此过程中,不需要人工干预,实现了智能化绿化方案设计,提高了绿化方案设计效率;
3、通过植被图像分割网络对图像进行分割,以确定植被区域和非植被区域,从而可以智能确定植被覆盖率。当植被覆盖率不满足预设条件时,可以利用分割图像进一步生成补种方案。从而实现了智能化生长过程监测和补种方案生成,提高了监测和生成效率,有利用更好的生态修复;
4、通过对土壤数据和环境数据的持续监控,可以在较长的时间来持续进行绿化方法的调整或改进,以实现污染物的彻底清除。
附图说明
结合附图并参考以下具体实施方式,本发明各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是本发明的绿化生态修复系统的示例性架构图;
图2是本发明绿化生态修复系统的生成绿化方案的流程图。
具体实施方式
下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的某些实施例,然而应当理解的是,本发明可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是,本发明的附图及实施例仅用于示例性作用,并非用于限制本发明的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
需要注意,本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本发明的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本发明。
如图1所示,是本发明的一种绿化生态修复系统的示例性架构图。其中,绿化生态修复系统包括土壤数据采集设备101、环境数据采集设备102、图像采集设备103、信息显示设备104和后台设备105。其中,土壤数据采集设备101,设置于待修复地块的土壤中,土壤数据采集设备101用于采集待修复地块的土壤数据。实践中,土壤数据采集设备101包括土壤数据传感器、控制芯片、通信模块等等,从而可以通过通信模块与后台设备105通信,以将所采集到的土壤数据发送至后台设备105或接收后台设备105发送的数据。土壤数据采集设备101可以用于采集以下土壤数据:pH值、含水量、养分含量、多种污染物的含量等。
环境数据采集设备102,设置于待修复地块,环境数据采集设备用于采集待修复地块的环境数据,环境数据采集设备102包括各类环境数据传感器、控制芯片、通信模块等等,环境数据包括温度、湿度、水分含量、多种污染物的浓度等。
图像采集设备103,设置于待修复地块,用于采集待修复地块的图像,图像采集设备103可以是监控摄像头。
信息显示设备104,设置于待修复地块,用于显示待修复地块的数据,信息显示设备104可以是信息展示屏。
后台设备105,与土壤数据采集设备101、环境数据采集设备102、信息显示设备104和图像采集设备103通信连接,后台设备105用于从土壤数据采集设备101中获取待修复地块在绿化前的土壤数据并作为第一土壤数据。在此基础上,对第一土壤数据中的多种污染物的含量进行分析,以确定多种污染物中每种污染物的含量是否大于对应的污染物含量阈值。其中,多种污染物包括重金属污染物、有机物污染物等。实践中,可以预先对每种污染物的含量设定污染物含量阈值。在此基础上,确定每种污染物的含量是否大于对应的污染物含量阈值。若第一土壤数据中存在含量大于对应的污染物含量阈值的至少一种污染物,根据至少一种污染物从预先配置的植物类别库中确定目标植物类别。其中,植物类别库中存储有多个植物类别以及每个植物类别针对的污染物。实践中,植物可以通过根系间微生物的吸收、转化和降解过程来清除土壤中的污染物,从而修复生态环境。而不同类别的植物对于不同的污染物的清除效果有所不同,因此需要针对每个植物类别,通过其特性和实验数据确定针对哪种污染物的清除效果好,从而确定每个植物类别针对的污染物。另外,对于存在多种污染物的情形,可以确定多个植物类别,即目标植物类别包括多个植物类别,从而可以对多种污染物进行清除和治理。
在此基础上,后台设备105可以根据目标植物类别和第一土壤数据生成土壤调节数据,具体的,可以获取目标植物类别的理想生长土壤数据,并确定理想生长土壤数据和第一土壤数据之间的差异,从可以将上述差异确定为土壤调节数据。之后,根据目标植物类别和土壤调节数据生成绿化方案。具体的,可以首先确定目标植物类别的植物的采购价格、运输条件、采购数量。之后,根据土壤调节数据确定需要的土壤调节物品类别、数量和价格。将上述目标植物类别的植物的采购价格、运输条件、采购数量和上述土壤调节物品类别、数量和价格确定为上述绿化方案。然后,可以将绿化方案发送至终端设备,以使终端设备对应的人员根据绿化方案执行绿化操作。
进一步的,后台设备105还用于从图像采集设备103中获取在绿化后的第一时间点(例如绿化后三个月)所采集的待修复地块的图像并作为第一图像,对第一图像进行植被覆盖率识别,以确定待修复地块的植被覆盖率是否满足预设条件,若植被覆盖率不满足预设条件,根据分割图像生成补种方案,并将补种方案发送至终端设备,以使终端设备对应的人员根据补种方案执行补种操作。其中,可以通过将第一图像输入图像分割网络,得到第一图像中的植被区域,根据上述植被区域与非植被区域的面积比,确定植被覆盖率。另外,若植被覆盖率不满足预设条件,还可以根据分割图像生成补种方案。例如,可以通过人工标注的方式从上述分割图像中标注出稀疏区域,并上述稀疏区域的位置信息和对应的植物类别作为补种方案发送至终端设备,以使终端设备对应的人员根据补种方案执行补种操作。
后台设备105还用于从土壤数据采集设备101中获取在绿化后的第二时间点(例如绿化后一年)所采集的待修复地块的土壤数据并作为第二土壤数据。其中,第二时间点在第一时间点之后。之后,根据第一土壤数据和第二土壤数据生成实际修复结果数据,以及从环境数据采集设备中获取在绿化后的第二时间点所采集的待修复地块的环境数据,以及根据环境数据生成提示信息并将提示信息发送至信息显示设备,以对提示信息进行显示。其中,实际修复结果数据可以表征第一土壤数据和第二土壤数据之间的差值。根据需要,可以将实际修复结果数据和上述第二时间点发送至终端设备,以使终端设备对应的人员了解实际修复效果。进一步的,为了避免由于污染物随着植物的蒸腾作用进入周围环境并对周围人群造成伤害,可以设置信息显示设备,从而可以对绿化后的环境数据进行展示,便于人们及时了解环境数据。
在一些实施例中,针对存在污染的待修复地块进行绿化时,通过土壤数据采集设备采集土壤数据并对土壤数据进行分析,从而采用针对性的植物类别和绿化方案,有助于提高植被在污染地块的成活率,并进一步通过针对性的植物类别对污染地块进行污染修复;除此之外,在绿化的不同时间点通过智能化监控手段,对植被覆盖率和环境数据进行监测,有利于提高绿化生态修复的效果。除此之外,为了避免由于污染物随着植物的蒸腾作用进入周围环境并对周围人群造成伤害,可以设置信息显示设备,从而可以对绿化后的环境数据进行展示,便于人们及时了解环境数据。
在一些实施例中,为了进一步解决背景技术部分所描述的技术问题二,即“在确定绿化方案时,现有技术往往依赖于人工经验,无法实现智能化绿化方案设计,费时费力,效率低下”,本发明的一些实施例中,如图2所示,根据目标植物类别和土壤调节数据生成绿化方案,包括以下步骤:
步骤201,获取待修复地块的地形图,根据地形图中的高度信息将待修复地块划分为多个区域,多个区域中每个区域对应一个高度区间。其中,可以预先设置多个高度区间,从而根据地形图中的高度信息将待修复地块划分为多个区域。
步骤202,对于多个区域中每个区域,根据对应的高度区间和在待修复地块中的位置信息,从多个植物类别中确定对应的植物类别。实践中,由于不同的高度区间的区域和在待修复地块中的不同需要种植不同类别的植物,有助于形成错落美观的绿化景观以及避免不同类别的植物互相遮挡造成生长不良。具体的,可以预先设置对应关系表,对应关系表中关联存储有高度区间、位置信息和植物类别的对应关系,从而可以通过查询上述对应关系表,来确定对应的植物类别。
步骤203,根据土壤调节数据确定对应的土壤调节物品类别。具体的,土壤调节数据中包括多个调节指标,例如pH值、含水量、养分含量等。对于每个调节指标,可以确定对应的土壤调节物品类别,从而得到对应的土壤调节物品类别。例如,可以采用硫磺粉调节pH值。
步骤204,根据每个区域对应的植物类别和土壤调节物品类别生成绿化方案。
其中,可以将每个区域对应的植物类别和土壤调节物品类别确定为绿化方案。也可以确定每个区域对应的植物类别的采购价格、运输条件、采购数量。之后,根据土壤调节数据确定需要的土壤调节物品类别、数量和价格。最后,将每个区域对应的植物类别的采购价格、运输条件、采购数量和土壤调节物品类别、数量和价格确定为上述绿化方案。
在这些实施例中,后台设备还用于根据每个植物类别对应的标识,对每个区域对应的植物类别在地形图中进行标识,以生成修复效果图;将修复效果图发送至信息显示设备,以对修复效果图进行显示,从而有助于人们及时了解修复效果。
在这些实施例中,自动利用地形图进行区域划分,以及结合每个区域的高度区间和位置信息,实现自动化的绿化方案设计,有助于形成错落美观的绿化景观以及避免不同类别的植物互相遮挡造成生长不良。在此过程中,不需要人工干预,实现了智能化绿化方案设计,提高了绿化方案设计效率。
在一些实施例中,为了进一步解决背景技术部分所描述的技术问题三,即“在植被栽种后,无法实现智能化的生长过程监测,导致由于植被覆盖率不足造成生态修复能力下降。另外,当需要补种时,无法实现智能化的补种方案生成,依赖于工人经验,费时费力,效率低下”,本发明的一些实施例中,对第一图像进行植被覆盖率识别,包括以下步骤:
步骤一,将第一图像输入预先训练的植被图像分割网络,得到分割图像,分割图像中包括植被区域和非植被区域。其中,植被图像分割网络可以利用是利用训练样本集对目标分割网络进行训练后生成的。其中,训练样本集中的训练样本包括植被图像和人工标注信息,人工标注信息包括用不同颜色标注的植被区域和非植被区域。
步骤二,根据植被区域和非植被区域的面积,确定第一图像对应的植被覆盖率。可以利用植被区域的面积除以总面积得到植被覆盖率,总面积为植被区域和非植被区域的面积之和。
若植被覆盖率不满足预设条件,根据分割图像生成补种方案,包括以下步骤:
步骤一,若植被覆盖率不满足预设条件,利用预先设定的滑动窗口在分割图像进行滑动,得到多个图像区域。其中,滑动窗口的大小可以是预先设置。
步骤二,对于多个图像区域中的每个图像区域进行二值化处理,得到每个图像区域对应的二值化图像区域。
步骤三,对于每个图像区域所对应的二值化图像区域进行去噪,得到每个图像区域所对应的处理后二值化图像区域。
步骤四,在每个图像区域所对应的处理后二值化图像区域中随机选取目标数量个像素点,统计目标数量个像素点中属于植被区域的像素点的个数并记作第一数量,以及统计目标数量个像素点中属于非植被区域的像素点的个数并记作第二数量。
步骤五,根据第一数量和第二数量确定每个图像区域所对应的植被密度。可以用第一数量除以总数量得到植被密度,总数量为第一数量和第二数量之和。
步骤六,根据每个图像区域所对应的植被密度对多个图像区域进行筛选,以选取植被密度小于预设植被密度阈值的图像区域作为目标图像区域。
步骤七,根据目标图像区域在分割图像中的位置确定待修复地块中的补种区域。
步骤八,根据补种区域的位置信息和补种区域对应的植物类别生成补种方案。可以将补种区域的位置信息和补种区域对应的植物类别确定为补种方案。
在一些实施例中,通过植被图像分割网络对图像进行分割,以确定植被区域和非植被区域,从而可以智能确定植被覆盖率。当植被覆盖率不满足预设条件时,可以利用分割图像进一步生成补种方案。从而实现了智能化生长过程监测和补种方案生成,提高了监测和生成效率,有利用更好的生态修复。
在一些实施例中,为了进一步解决背景技术部分所描述的技术问题四,即“污染地块往往需要较长的时间来实现污染物的彻底清除。而现有的绿化方式中,缺乏对于修复效果的持续监控方式,导致无法彻底清除污染地块的污染物”,本发明的一些实施例中,后台设备还用于:
以预设的时间周期获取土壤数据采集设备所采集的土壤数据,以及环境数据采集设备所采集的环境数据,得到土壤数据序列和环境数据序列;
将土壤数据序列和环境数据序列分别输入长短期记忆网络,以得到在多个目标时间点中每个目标时间点对应的预测二元组,每个预测二元组包括预测土壤数据和预测环境数据;
在上述多个目标时间点中每个目标时间点分别获取土壤数据采集设备所采集的实际土壤数据和环境数据采集设备所采集的实际环境数据,得到实际二元组,每个实际二元组包括实际土壤数据和实际环境数据;
对于每个目标时间点,确定对应的预测二元组和实际二元组的差异,得到差异二元组序列;
将上述差异二元组序列输入二元组预测网络,得到在未来时间点的预测差异二元组;
若上述预测差异二元组的值大于预设差异阈值,生成表征污染物清除效果不好的提示信息,以及将上述提示信息发送至终端设备,以使终端设备对应的人员进行原因分析并进行补种或重新种植。
在一些实施例中,通过对土壤数据和环境数据的持续监控,可以在较长的时间来持续进行绿化方法的调整或改进,以实现污染物的彻底清除。
以上描述仅为本发明的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本发明中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (5)

1.一种绿化生态修复系统,其特征在于,包括:
土壤数据采集设备,设置于待修复地块的土壤中,所述土壤数据采集设备用于采集所述待修复地块的土壤数据;
环境数据采集设备,设置于所述待修复地块,所述环境数据采集设备用于采集所述待修复地块的环境数据;
图像采集设备,设置于所述待修复地块,所述图像采集设备用于采集所述待修复地块的图像;
信息显示设备,设置于所述待修复地块,所述信息显示设备用于显示所述待修复地块的数据;
后台设备,与所述土壤数据采集设备、所述环境数据采集设备、所述信息显示设备和所述图像采集设备通信连接,所述后台设备用于从所述土壤数据采集设备中获取所述待修复地块在绿化前的土壤数据并作为第一土壤数据;对所述第一土壤数据中的多种污染物的含量进行分析,以确定所述多种污染物中每种污染物的含量是否大于对应的污染物含量阈值;若所述第一土壤数据中存在含量大于对应的污染物含量阈值的至少一种污染物,根据所述至少一种污染物从预先配置的植物类别库中确定目标植物类别,根据所述目标植物类别和所述第一土壤数据生成土壤调节数据,并根据所述目标植物类别和所述土壤调节数据生成绿化方案,将所述绿化方案发送至终端设备,以使所述终端设备对应的人员根据所述绿化方案执行绿化操作;
所述后台设备还用于从所述图像采集设备中获取在绿化后的第一时间点所采集的所述待修复地块的图像并作为第一图像,对所述第一图像进行植被覆盖率识别,并确定所述待修复地块的植被覆盖率是否满足预设条件,若所述植被覆盖率不满足所述预设条件,根据所述第一图像生成补种方案,并将所述补种方案发送至所述终端设备,以使所述终端设备对应的人员根据所述补种方案执行补种操作;
所述后台设备还用于从所述土壤数据采集设备中获取在绿化后的第二时间点所采集的所述待修复地块的土壤数据并作为第二土壤数据,根据所述第一土壤数据和所述第二土壤数据生成实际修复结果数据,以及从所述环境数据采集设备中获取在绿化后的所述第二时间点所采集的所述待修复地块的环境数据,以及根据所述环境数据生成提示信息并将所述提示信息发送至所述信息显示设备,以对所述提示信息进行显示;所述目标植物类别包括多个植物类别,以及
所述根据所述目标植物类别和所述土壤调节数据生成绿化方案,包括:
获取所述待修复地块的地形图,根据所述地形图中的高度信息将所述待修复地块划分为多个区域,所述多个区域中每个区域对应一个高度区间;
对于所述多个区域中每个区域,根据对应的高度区间和在所述待修复地块中的位置信息,从所述多个植物类别中确定对应的植物类别;
根据所述土壤调节数据确定对应的土壤调节物品类别;
根据所述每个区域对应的植物类别和所述土壤调节物品类别生成所述绿化方案。
2.根据权利要求1所述的绿化生态修复系统,其特征在于,所述后台设备还用于:
根据每个所述植物类别对应的标识,对所述每个区域对应的植物类别在所述地形图中进行标识,以生成修复效果图;
将所述修复效果图发送至所述信息显示设备,以对所述修复效果图进行显示。
3.根据权利要求2所述的绿化生态修复系统,其特征在于,所述对所述第一图像进行植被覆盖率识别,包括:
将所述第一图像输入预先训练的植被图像分割网络,得到分割图像,所述分割图像中包括植被区域和非植被区域;
根据所述植被区域和所述非植被区域的面积,确定所述第一图像对应的植被覆盖率。
4.根据权利要求3所述的绿化生态修复系统,其特征在于,所述若所述植被覆盖率不满足所述预设条件,根据所述第一图像生成补种方案,包括:
若所述植被覆盖率不满足所述预设条件,利用预先设定的滑动窗口在所述分割图像进行滑动,得到多个图像区域;
对于所述多个图像区域中的每个图像区域进行二值化处理,得到所述每个图像区域对应的二值化图像区域;
对于所述每个图像区域所对应的二值化图像区域进行去噪,得到所述每个图像区域所对应的处理后二值化图像区域;
在所述每个图像区域所对应的处理后二值化图像区域中随机选取目标数量个像素点,统计所述目标数量个像素点中属于植被区域的像素点的个数并记作第一数量,以及统计所述目标数量个像素点中属于非植被区域的像素点的个数并记作第二数量;
根据所述第一数量和所述第二数量确定所述每个图像区域所对应的植被密度;
根据所述每个图像区域所对应的植被密度对所述多个图像区域进行筛选,以选取植被密度小于预设植被密度阈值的图像区域作为目标图像区域;
根据所述目标图像区域在所述分割图像中的位置确定所述待修复地块中的补种区域;
根据所述补种区域的位置信息和所述补种区域对应的植物类别生成所述补种方案。
5.根据权利要求4所述的绿化生态修复系统,其特征在于,所述后台设备还用于:
将所述实际修复结果数据发送至所述终端设备,以使所述终端设备对所述实际修复结果数据进行显示;
接收所述终端设备发送的针对所述实际修复结果数据的评价数据;
将所述评价数据和所述绿化方案关联存入至绿化方案数据库。
CN202311651757.2A 2023-12-05 2023-12-05 一种绿化生态修复系统 Active CN117372224B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311651757.2A CN117372224B (zh) 2023-12-05 2023-12-05 一种绿化生态修复系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311651757.2A CN117372224B (zh) 2023-12-05 2023-12-05 一种绿化生态修复系统

Publications (2)

Publication Number Publication Date
CN117372224A CN117372224A (zh) 2024-01-09
CN117372224B true CN117372224B (zh) 2024-02-06

Family

ID=89396885

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311651757.2A Active CN117372224B (zh) 2023-12-05 2023-12-05 一种绿化生态修复系统

Country Status (1)

Country Link
CN (1) CN117372224B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2655548C1 (ru) * 2017-06-26 2018-05-28 Анатолий Юрьевич Ермаков Способ рекультивации открытых горных выработок
CN113000598A (zh) * 2020-10-29 2021-06-22 湖南艾布鲁环保科技股份有限公司 农业面源和重金属污染农用地综合治理与生态修复方法
CN115599932A (zh) * 2022-09-22 2023-01-13 浙江省国土勘测规划有限公司(Cn) 一种土地修复方法、系统及存储介质
CN115680761A (zh) * 2023-01-05 2023-02-03 山西冶金岩土工程勘察有限公司 多层采空区分段注浆治理施工工艺
CN115825392A (zh) * 2022-12-13 2023-03-21 云南大学 矿区重金属污染土壤生态修复技术评价方法与系统
CN116580308A (zh) * 2023-07-12 2023-08-11 中交天航环保工程有限公司 一种土壤修复的监测方法及监测装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7353113B2 (en) * 2004-12-07 2008-04-01 Sprague Michael C System, method and computer program product for aquatic environment assessment
US20110153213A1 (en) * 2008-09-29 2011-06-23 Catherine Lynn Buchanan Method to evaluate plants and soils to optimize conditions for phytoremediation

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2655548C1 (ru) * 2017-06-26 2018-05-28 Анатолий Юрьевич Ермаков Способ рекультивации открытых горных выработок
CN113000598A (zh) * 2020-10-29 2021-06-22 湖南艾布鲁环保科技股份有限公司 农业面源和重金属污染农用地综合治理与生态修复方法
CN115599932A (zh) * 2022-09-22 2023-01-13 浙江省国土勘测规划有限公司(Cn) 一种土地修复方法、系统及存储介质
CN115825392A (zh) * 2022-12-13 2023-03-21 云南大学 矿区重金属污染土壤生态修复技术评价方法与系统
CN115680761A (zh) * 2023-01-05 2023-02-03 山西冶金岩土工程勘察有限公司 多层采空区分段注浆治理施工工艺
CN116580308A (zh) * 2023-07-12 2023-08-11 中交天航环保工程有限公司 一种土壤修复的监测方法及监测装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
重金属污染土壤的植物修复效果评价方法研究进展;罗洋;应用化工;20200110;第49卷(第03期);755-760 *

Also Published As

Publication number Publication date
CN117372224A (zh) 2024-01-09

Similar Documents

Publication Publication Date Title
Seyednasrollah et al. Tracking vegetation phenology across diverse biomes using Version 2.0 of the PhenoCam Dataset
CN105181898B (zh) 基于大密度部署传感器的大气污染监控及管理方法及系统
Koutsias et al. Burned area mapping using logistic regression modeling of a single post-fire Landsat-5 Thematic Mapper image
CN112085241A (zh) 一种基于机器学习的环境大数据分析和决策平台
Urena et al. A machine vision system for seeds quality evaluation using fuzzy logic
CN112734694A (zh) 一种基于大数据的水质监测方法
CN116362570B (zh) 一种基于大数据平台的多维度污染分析方法及系统
Fjellstad et al. Heterogeneity as a measure of spatial pattern for monitoring agricultural landscapes
CN112270291B (zh) 一种基于多源光学遥感图像的违法建设用地开发自动检测方法
CN115665690B (zh) 一种河流缓冲带土壤修复反馈系统及修复方法
CN116681313B (zh) 一种土地综合整治项目监管系统
CN113049509B (zh) 一种基于光谱技术的农产品检测管理系统
CN115239209B (zh) 用于垃圾填埋场筛除含重金属腐殖土的方法、设备和系统
CN112070056A (zh) 一种基于面向对象和深度学习的敏感用地识别方法
CN114509445A (zh) 一种基于聚类分析的污染物识别预警方法及系统
CN116718747A (zh) 一种水质污染监测可视化遥感监测系统
CN116485615A (zh) 环境污染物生态毒性效应阈值浓度测算方法
CN117171223A (zh) 一种微生物修复过程中的微生物培养方案推荐方法及系统
CN115168394A (zh) 一种基于数据库的植物健康状态评估系统
CN113485218B (zh) 一种基于5g的智慧物联监管平台
CN117372224B (zh) 一种绿化生态修复系统
CN106682994A (zh) 一种关于病虫害发生密度监测与预警计算机软件及其功能特征
CN117408430A (zh) 一种基于大数据的农业种植用土壤改良评估系统
CN108693087B (zh) 一种基于图像理解的空气质量监测方法
Schreuder et al. Long-term strategy for the statistical design of a forest health monitoring system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant